Need help with RLcode?
Click the “chat” button below for chat support from the developer who created it, or find similar developers for support.

About the developer

louisnino
291 Stars 148 Forks 18 Commits 4 Opened issues

Services available

!
?

Need anything else?

Contributors list

No Data

白话强化学习

愿成为一把梯子,助你跨过无数的坑。——初心

当前,人工智能可以说是大热的学科。强化学习这个分支更是备受瞩目。至于强化学习什么征服Atari,围棋,德扑之类这些就不吹了。你应该知道自己为什么要学reinforcment learning。

但在入门的时候,却感觉非常困难!

以个人爬坑的经验,主要有三点:

  1. 人工智能背靠数学。但绝大部分人,在高考之后,数学能力就直线下降。一生都被数学的恐惧所支配。这无疑令想入门人工智能的人望而却步。学习了大半年贝叶斯和博弈论,但还是进入不了人工智能的大门。其实在人工智能领域,很多时候更讲求“直觉”。人工智能科学家的算力远不如计算机,但为什么能设计出这些优秀的模型呢?除了数学,主要还是直觉。我希望这系列文章,能先帮助大家“绕”过数学,进入人工智能的大门。当我们进入大门,能够用代码实现一些算法,再深究算法中的数学,那时候必定更容易理解,更有动力学习其数学原理。

  2. 代码能力。这里先给大家吃颗定心丸。在强化学习试验,代码一般比较简单的。很多人工智能的代码已经集成成工具给大家直接调用。在这个系列文章,每种强化学习的算法我会用tensorflow2.0的官方示例加上我自己的代码详细讲解,并提供我自己的注释版本。让你一边学习,一边提高代码能力。

  3. 学习线路。强化学习作为人工智能的一个分支,网上已经有很多学习资料。但翻开资料,每位老师说的方式和侧重点都不太一样。我希望在这系列文章中,给大家指出一条线路。让大家能够快速入门。大家将会在这系列文章学到:TD、MC、Qlearning、DQN、DQN的变种、PG、AC、A3C、SAC、PPO、DPPO等系列算法的实现。这系列文章将会少用数学,多做代码解释。希望能帮助大家快速掌握强化学习知识。快速入门。

希望我的努力能够帮助大家较少入门的负担。

综述:

欢迎大家入坑Reinforcment Learning https://zhuanlan.zhihu.com/p/111869532

学习线路.png

目录 第一部分——概念:

怎样正确理解马尔科夫链? https://zhuanlan.zhihu.com/p/109217883

如何理解强化学习中的Q值和V值? https://zhuanlan.zhihu.com/p/109498587

如何用蒙地卡罗方法(Monte-Carlo)估算V值? https://zhuanlan.zhihu.com/p/109755443

[番外]蒙地卡罗MC的更新公式怎么来的? https://zhuanlan.zhihu.com/p/110118392

如何用时序差分TD估算状态V值? https://zhuanlan.zhihu.com/p/110132710

第二部分——核心算法:

[番外]如何从师生关系理解环境与智能体的互动? https://zhuanlan.zhihu.com/p/110155777

[理论篇]怎样直观理解Qlearning算法? https://zhuanlan.zhihu.com/p/110338833

手把手教你实现Qlearning算法[实战篇] https://zhuanlan.zhihu.com/p/110410276

一篇文章带你了解深度神经网络 https://zhuanlan.zhihu.com/p/110531783

三维可视化助你直观理解DQN算法[DQN理论篇] https://zhuanlan.zhihu.com/p/110620815

用可视化直观理解DQN[DQN实战篇] https://zhuanlan.zhihu.com/p/110657606

Double DQN原理是什么,怎样实现?(附代码) https://zhuanlan.zhihu.com/p/110769361

[番外篇]DuelingDQN为何那么强?(附代码) https://zhuanlan.zhihu.com/p/110807201

如何理解策略梯度(Policy Gradient)算法?[附代码] https://zhuanlan.zhihu.com/p/110881517

理解Actor-Critic的关键是什么? https://zhuanlan.zhihu.com/p/110998399

小段文讲清argparse模块基本用法[小番外] https://zhuanlan.zhihu.com/p/111010774

如何直观理解PPO算法?[理论篇] https://zhuanlan.zhihu.com/p/111049450

如何直观理解PPO算法[实战篇] https://zhuanlan.zhihu.com/p/111068310

一文带你理清DDPG算法 https://zhuanlan.zhihu.com/p/111257402

什么是TD3算法? https://zhuanlan.zhihu.com/p/111334500

AC:看我的影分身之术[A3C] https://zhuanlan.zhihu.com/p/111336330

PPO:看我的影分身之术[DPPO] https://zhuanlan.zhihu.com/p/111346592

We use cookies. If you continue to browse the site, you agree to the use of cookies. For more information on our use of cookies please see our Privacy Policy.